| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 论文研究的背景及意义 | 第9-10页 |
| 1.1.1 论文的研究背景 | 第9-10页 |
| 1.1.2 论文的研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 电力大用户用电费回收风险预警管理存在的问题分析 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-15页 |
| 2 风险预警管理系统设计相关理论及基本方法介绍 | 第15-26页 |
| 2.1 风险管理相关理论 | 第15-16页 |
| 2.1.1 风险管理的定义 | 第15页 |
| 2.1.2 风险管理流程 | 第15-16页 |
| 2.2 欠费风险预测相关算法 | 第16-21页 |
| 2.2.1 Logisitc回归模型 | 第16-18页 |
| 2.2.2 SVM | 第18-21页 |
| 2.3 信用等级评价模型相关理论方法 | 第21-24页 |
| 2.3.1 层次分析法 | 第21-23页 |
| 2.3.2 BP神经网络 | 第23-24页 |
| 2.4 数据库及开发环境介绍 | 第24-26页 |
| 2.4.1 Mysql数据库 | 第24-25页 |
| 2.4.2 系统开发环境介绍 | 第25-26页 |
| 3 风险预警管理数学模型研究及算例仿真 | 第26-41页 |
| 3.1 电力大用户欠费风险预测模型研究 | 第26-31页 |
| 3.1.1 欠费风险预测指标建立 | 第27-28页 |
| 3.1.2 Logistic欠费风险预测模型 | 第28-29页 |
| 3.1.3 SVM欠费风险预测模型 | 第29-31页 |
| 3.1.4 结论 | 第31页 |
| 3.2 电力大用户信用等级评价模型研究 | 第31-39页 |
| 3.2.1 AHP-BP信用等级评价指标选取 | 第32-33页 |
| 3.2.2 电力大用户信用等级评价方法 | 第33-36页 |
| 3.2.2.1 样本数据预处理技术 | 第34页 |
| 3.2.2.2 信用评级划分标准 | 第34-35页 |
| 3.2.2.3 层次分析信用评价模型 | 第35-36页 |
| 3.2.3 算例仿真 | 第36-38页 |
| 3.2.4 结论 | 第38-39页 |
| 3.3 欠费户数预测 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 电力大用户电费回收风险预警管理系统软件实现 | 第41-56页 |
| 4.1 系统整体设计 | 第41-47页 |
| 4.1.1 电力大用户管理模块 | 第43页 |
| 4.1.2 行业风险预测模块 | 第43-44页 |
| 4.1.3 欠费风险预测模块 | 第44页 |
| 4.1.4 信用等级评价模块 | 第44-45页 |
| 4.1.5 风险预警决策模块 | 第45-47页 |
| 4.2 数据库设计 | 第47-49页 |
| 4.2.1 数据流 | 第47-48页 |
| 4.2.2 E-R实体图 | 第48页 |
| 4.2.3 数据库表设计 | 第48-49页 |
| 4.3 核心程序流程图 | 第49-51页 |
| 4.4 系统操作界面介绍 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 系统实例分析 | 第56-61页 |
| 5.1 XXX市电力大用户数据测试 | 第56-58页 |
| 5.2 测试结果分析 | 第58-59页 |
| 5.3 差异化服务办法 | 第59-60页 |
| 5.3.1 信用等级优和电费绿色预警电力大用户 | 第59页 |
| 5.3.2 信用等级良和电费蓝色预警电力大用户 | 第59-60页 |
| 5.3.3 信用等级一般和电费橙色预警电力大用户 | 第60页 |
| 5.3.4 信用等级低下和电费红色预警电力大用户 | 第60页 |
| 5.4 催收办法 | 第60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |